[Paper] TopoSZp: 경량 위상 인식 오류 제어 압축 for Scientific Data

Source: arXiv - 2602.17552v1

개요

대규모 HPC 시뮬레이션은 페타바이트 규모의 데이터를 생성하며, 이를 효율적으로 저장, 전송 및 시각화해야 합니다. 전통적인 오류‑제한 손실 압축기(예: SZ, ZFP)는 크기 감소와 수치 정확성 보장을 잘 수행하지만, 종종 데이터의 위상—과학자들이 후속 분석에 의존하는 최소점, 최대점, 안장점과 같은 중요한 점들을 파괴합니다. TopoSZp는 이러한 특징을 속도 저하 없이 보존하는 경량 위상‑인식 압축 파이프라인을 도입하여, 과학 데이터셋을 다루는 연구자와 개발자 모두에게 실용적인 도구가 됩니다.

Key Contributions

• Topology‑preserving compression built on SZp: 고처리량 SZp 압축기에 비용이 적은 임계점 탐지 및 정제 단계를 추가합니다.
• Strict error‑bound enforcement with relaxed topology constraints: 사용자가 지정한 수치 오차를 보장하면서, 임계점을 유지하기 위해 제한된 완화를 허용합니다.
• Local ordering preservation: 각 임계점 주변 이웃 값들의 상대 순서를 유지하여, 잘못된 토폴로지 변화를 방지합니다.
• Targeted saddle‑point refinement: 가장 취약한 구조인 안장점 주변 영역만을 정제하여, 전체 토폴로지 재구성을 피합니다.
• Massive performance gains: 기존 토폴로지 인식 압축기 대비 압축 속도가 100–10 000배, 복원 속도가 10–500배 빨라지면서도 압축 비율은 비슷합니다.

Methodology

1. Base Compressor (SZp)

   • SZp는 예측 모델링과 양자화를 사용하여 사용자 정의 절대 또는 상대 오류 한계를 만족시키는 인기 있는 SZ 압축기의 변형입니다. 이미 멀티코어 CPU와 GPU에 최적화되어 있습니다.

2. Critical‑Point Detection (Lightweight)

   • 단일 패스 스캔을 통해 각 복셀을 인접 복셀(6‑ 또는 26‑연결성)과 비교하여 최소점, 최대점, 그리고 안장점을 식별합니다.
   • 탐지는 lazy 방식으로 이루어져, 압축 후 유형이 변할 가능성이 있는 점만 표시하여 불필요한 작업을 줄입니다.

3. Local Ordering Preservation

   • 표시된 각 임계점에 대해 TopoSZp는 해당 점과 이웃 점들의 상대적인 크기를 포착하는 작은 “ordering mask”를 기록합니다.
   • 압축 중에 양자화 단계가 순서를 유지하도록 제한되어, 임계점의 유형이 뒤바뀌지 않도록 합니다.

4. Saddle‑Point Refinement

   • 안장점은 위상에 가장 민감한 구조입니다. TopoSZp는 집중적인 정제를 수행합니다: 안장점 주변을 더 엄격한 오류 한계로 국부적으로 다시 압축하여 원래 안장 위상이 복구될 때까지 반복합니다.

5. Error‑Bound Enforcement

   • 전체 오류 한계(예: 1e‑4)는 절대 위배되지 않습니다. 알고리즘은 위상을 보존하기 위해 지역적으로 일시적으로 한계를 완화할 수 있지만, 최종 단계에서 출력 전에 한계가 복원됨을 보장합니다.

6. Parallel Execution

   • 모든 단계는 데이터셋 블록 단위로 완전히 병렬화될 수 있어, 복잡한 동기화 없이도 다코어 CPU와 GPU에서 압축기가 확장될 수 있습니다.

결과 및 발견

• 위상 보존: TopoSZp는 잘못된 양성 임계점을 제거했으며, 최소점을 안장점으로 잘못 분류하는 등 오류를 전혀 발생시키지 않았습니다.
• 압축 비율: 최고 수준의 SZp 압축에 비해 5 % 이내로 차이가 나며, 위상 보존으로 인한 오버헤드가 최소임을 보여줍니다.
• 속도: 가벼운 탐지와 국부적인 정제 덕분에, 전역 Morse‑Smale 복합체 재구성을 필요로 했던 기존 위상‑인식 방법에 비해 실행 시간이 수십 배에서 수천 배 빠릅니다.

Practical Implications

• In‑situ 데이터 감소: HPC 애플리케이션은 TopoSZp를 시뮬레이션 파이프라인에 직접 삽입하여 데이터를 실시간으로 압축하면서, 하위 분석(예: 특징 추적, 토폴로지 기반 세분화)이 유효함을 보장할 수 있습니다.
• 시각화 파이프라인: 과학 시각화 도구는 중요한 구조가 손실되었는지 걱정할 필요 없이 압축된 데이터셋을 로드할 수 있어, 정확한 등가면 추출 및 특징 인식 렌더링을 가능하게 합니다.
• 스토리지 및 I/O 비용 절감: TopoSZp는 SZp와 동일한 압축 비율을 유지하면서 토폴로지 안전성을 추가하므로, 조직은 사후 검증 단계를 추가하지 않고도 저장 공간을 줄일 수 있습니다.
• 개발자 친화성: API는 SZp의 기존 C/C++ 및 Python 바인딩을 그대로 반영하며, preserve_topology=true와 같은 몇 가지 추가 매개변수만 필요합니다. 이를 통해 기존 워크플로에 통합하는 장벽이 낮아집니다.

제한 사항 및 향후 작업

• 정규 격자 가정: 현재 구현은 구조화된 균일 메쉬에서 작동합니다; 비구조적 또는 적응형 격자로 확장하려면 임계점 검출 커널을 재설계해야 합니다.
• 오차 경계 완화 세분성: 알고리즘이 최종 경계를 보장하지만, 중간 완화가 중간 압축 값을 활용하는 하위 알고리즘(예: 반복 솔버)에 영향을 줄 수 있습니다. 향후 작업에서는 블록별 더 엄격한 오류 예산을 탐구할 것입니다.
• GPU 전용 최적화: 초기 GPU 실험은 유망한 속도 향상을 보여주지만, 안장 정제 커널은 일부 아키텍처에서 여전히 CPU 버전보다 뒤처집니다. GPU를 위한 메모리 접근 패턴 최적화는 활발한 연구 분야입니다.

TopoSZp는 과학적 토폴로지를 보존하면서도 성능 비용을 발생시키지 않음을 보여줍니다. 검증된 손실 압축기와 몇 가지 영리한 지역성 중심 토폴로지 검사를 결합함으로써, 저자들은 기존 HPC 파이프라인에 바로 삽입할 수 있는 도구를 제공하고, 개발자들에게 압축된 데이터가 분석적으로 신뢰할 수 있음을 확신시킵니다.

저자

• Tripti Agarwal
• Sheng Di
• Xin Liang
• Zhaoyuan Su
• Yuxiao Li
• Ganesh Gopalakrishnan
• Hanqi Guo
• Franck Cappello

논문 정보

• arXiv ID: 2602.17552v1
• 분류: cs.DC
• 출판일: 2026년 2월 19일
• PDF: PDF 다운로드